目录 走进决策树 案例一 案例二 灵魂的树 决策树的选择机制 节点纯度的度量规则 纯度的度量方法 决策树算法背景介绍 信息(Information)和信息的量化 信息熵(Information Entropy) 条件熵(Conditional Entropy) 信息增益(Information Gain,ID3算法使用) 信息增益总结 基尼指数(Gini Index,CART算法使用) 代码实现 特征的重要性 参数splitter 剪枝参数 代码案例 手动对max depth 进行调参 min_impurity_decrease调参 网格搜索 带入最佳参数进行训练 决策树模型特征选取 相关系数 轻量级的高效梯度提升树特征选取 再次带入模型进行训练 决策树可视化 ROC曲线AUC 总结 每文一语 👇👇🧐🧐✨✨🎉🎉 欢迎点击专栏其他文章(欢迎订阅·持续更新中~) 机器学习之Python开源教程——专栏介绍及理论知识概述 机器学习框架及评估指标详解